学者提出一般和博弈中Optimistic Hedge遗憾界理论极限

1. 13:00
   arXiv 机器学习

   一般和博弈中的 Optimistic Hedge：基于时间逼近的理论极限与遗憾界

   一项理论研究揭示了 Optimistic Hedge 算法在一般和博弈中的基本极限，证明其能否取得与时间跨度无关的多项式常数遗憾取决于玩家数量。在双人博弈中，该算法在合适学习率下可保证与时间跨度 $T$ 无关的 $O(n\log n)$ 遗憾界。但在玩家数 $m \ge 3$ 的博弈中，存在玩家遗憾达到 $2^{\Omega(mn)}$ 甚至随 $T$ 线性增长的情况。

Current heat 9·Comparable peak 10（Nov 6 14:00）·Comparable change, last 24 hours–

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.